生成式AI在传播领域的新变革

【摘要】以ChatGPT为代表的生成式人工智能，给传播领域带来全新的影响。本文以聊天机器人ChatGPT为研究对象，探究生成式AI在内容生产和用户行为方面的变革。研究发现，就新闻生产角度而言，AI介入新闻采集、制作的全链路，传统媒体人迎来了“人机协同”的新局面，“按需生产”成为新的内容生产逻辑；就用户角度而言，ChatGPT对用户使用媒介提出了新要求——提问能力。此外，媒体行业也要利用技术，加强事实核查能力，保证舆论场域的清朗。

【关键词】AIGC；机器智能；ChatGPT；新闻传播

中图分类号：TN94" " " " " " " " " " " " " " "文献标识码：A" " " " " " " " " " " " " " "DOI：10.12246/j.issn.1673-0348.2024.20.016

1950年，“图灵测试”预言了“真正智能的机器”有被创造的可能，判断机器智能的依据便是其“是否可以模仿人类的思维”。如今，这一预言已经以“润物细无声”的方式进入人类生活，随着人工智能技术的更迭，AI正从“分析式人工智能”走向“生成式人工智能”，即AIGC。生成式AI可以根据用户需求，依托训练好的多模态基础大模型，自主生成带有逻辑性的“新内容”。这种生成方式不同于传统AI，可以在学习数据时模拟事物的内在规律，即对人“思维的模仿”。从传播角度来看，它还可以介入人类的社会实践，甚至“影响社会认知”[1]。媒介环境学派代表人物哈罗德·伊尼斯曾表示，“一种媒介的长处，将导致新文明的诞生”，壁画、莎草纸、电子设备等媒介的出现，带领人类经历了麦克卢汉所言的从“感官分离”到“感官整合”的文明变迁。于新闻业而言，以聊天机器人ChatGPT为代表的生成式AI，同样给传播领域带来了新的文明，颠覆了传统新闻生产逻辑。本文将从内容生产逻辑、用户使用行为两个角度出发，探究生成式AI在传播领域带来的全新变革。

1. 生产重塑：传媒产业的全新场域

2023年1月，OpenAI研发的聊天机器人程序ChatGPT问世不到两个月，月活用户便达到1亿。随着GPT-4版本的发布，ChatGPT的文本处理能力进一步加强，在上下文理解、创意写作、数据分析、识图、翻译、用户定制化等方面达到了更高水平。作为新型的生成式人工智能，其算力庞大，可以基于大型语言模型进行预训练，人类描述任务的惯性语言被大量注入它的数据集，其通过与用户对话，学习整合用户的个性化要素，形成“人类表达—任务结果”的反馈模型[2]，以此生成打分机制，若原始模型生成的任务结果获得低分，则要循环学习，直到更加了解用户偏好为止。ChatGPT通过理解人类的提问，生成相关需求的文本，包括但不限于撰写脚本、策划、文案、绘画等。不论从内容生产逻辑还是人机关系，都为传媒行业营造了全新场域。

1.1 流程再造：智能生产下的新闻采写

1952年，哥伦比亚广播公司通过计算机辅助，预测了当年的总统选举结果，计算机辅助新闻也正式作用于新闻业。但这一阶段，机器还停留于“整合数据”阶段，无法深度参与创作。直到AIGC的出现，从新华社的“快笔小新”到OpenAI研发的ChatGPT，新闻业彻底进入了“机器参与采编”阶段。

站在工具视角回看ChatGPT，它对新闻生产的贡献集中于信息采集、智能化生产等方面。它以强大的数据库为支撑，不仅可以为记者提供报道所需的背景资料，也可以瞬时分析海量数据，犹如新闻策展人一般预测热点，并在后台快速合成新闻，最快速度可达2秒。不仅如此，ChatGPT的颠覆性在于对“人类思维的模仿”，它可充当记者的大脑进行“出谋划策”，为节目制作提供创意。“通过对话介入新闻生产”是它的一大优势，机器被内嵌于记者采写流程，可以随时随地帮助记者策划选题、翻译网稿。《中国日报》在制作有关茶文化的内容时，便是通过数字员工“元曦”与ChatGPT对话，要求ChatGPT创作出相关主题的策划脚本。“数字员工”与ChatGPT的交互，给受众带来一种“‘未来已来’的科幻感”[3]，这种用AIGC策划选题的工作模式在新闻业正不断普及。此外，《科学美国人》在要求ChatGPT模仿该媒体的文风、生成相关评论时，它的表现依旧不令人失望。

总体而言，ChatGPT依靠其强大的学习能力，在新闻采集阶段，可以迅速整合海量数据，减轻了记者收集信息的压力；在新闻策划阶段，可以成为记者“大脑的延伸”，提供不同视角的选题与脚本；在新闻制作与分发阶段，既可以满足突发事件的“时效性”，快速生成准确的消息，也可以学习复杂数据，用可视化的方式梳理庞杂的信息，帮助推进部分事件的深度报道。不论从深度还是广度，ChatGPT都重塑了新闻生产逻辑，就这一角度而言，无疑是成功的。

1.2 关系重构：从“辅助”到“协同”

英国学者罗杰·西尔弗斯通用“驯化”来描述“人类如何规训传媒技术”，人在驯化技术时经历了四个阶段——占有、物化、融入、转化[4]。放在ChatGPT的应用场景中，人与机器的关系同样经历了这四个阶段。“占有”是用户消费该软件，如下载、注册的过程；“物化”是借助AI的不同功能，如写脚本、做策划、PPT、音乐、绘画等，以此满足个人需求；“融入”是AI已“生长”于人类的日常生活，成为不可或缺的一部分，如新闻业借助生成式AI生产内容，人机协同成为常态；“转化”则是进入了“人机交流”的阶段，机器成为人类的数字伴侣，它生成的知识无形中会影响个体的思维、决策，这种影响又会通过个体间的交往，进入公共知识空间，即从私领域逐渐转向公共空间。

AIGC视域下，人与机器不再只是“机器辅助人类”的传统关系，而是走向了“人机协同”，这种协同关系不是简单分工，而是在记者主导方向的基础上进行合作，如向机器指定本次任务的写作风格，当机器生成大量内容后，记者需要调教机器，要求机器再次整合以上内容，以完善信息的逻辑性。拿ChatGPT来讲，在信息采集阶段，它可以依据人的要求，搜寻更有价值的内容，在新闻制作阶段，又可以根据人的引导智能化生成内容。凤凰卫视制作的《ChatGPT未来来了吗？》便是人机协同制作的节目，从节目的前期准备工作，如资料搜集、策划提纲以及撰写文稿，到后期生成完整的节目流程策划，均是由ChatGPT完成。基础框架完成后，工作人员再以对话形式“调教”机器，令其修改不完美的环节即可。这种“由人把握大方向，机器配合小方向”的协同模式。既缓解了人工搜集信息的滞后性，又弥补了机器搜集内容时无法“自主整合”的弊端。

当然，ChatGPT与记者协同的同时，也一度给新闻业带来新的震动——记者有别于机器的独特性如何体现？回望中央厨房模式刚兴起时，业界也曾有过类似的困扰：担忧记者变成快餐式新闻的采集工，其独有的思考力与想象力在“以快为王”的分发模式下似乎不再重要。实则不然，不论是追求时效性的中央厨房模式，还是当下AIGC的机器智能生成模式，它们在生成内容时，都基于一定的程式化模板和语料，而对现场的鲜活描写与个性化思考，依旧需要媒体人来呈现。毕竟技术的革新是为了更好地提高生产效率，让媒体人有精力更好地参与事件的深度报道。

现阶段，虽然机器还没有嵌入人类身体，但人与机器的关系早已密不可分，甚至人机关系即将走向唐·伊德所言的“具身关系”，即人类通过技术理解与感知世界，并且随着人类与AI协同发展，人类的数字身体与AI依然拥有“进一步深度耦合的可能”。

1.3 逻辑更迭：“按需生产”成为可能

1997年，美国某电印刷公司利用IBM技术，为一所学校印制了50本已脱销的教材[5]，开启了“按需出版”的服务模式。对出版行业而言，按需出版既能满足用户的个性需求，又能实现零库存，节省销售成本，这种定制化思路便是当下“按需生产”的雏形。

同样，尼葛洛庞蒂曾预言过“我的日报”的诞生，即任何人不再局限于某个报纸接收信息，而是拥有专属为自己“个性化定制”的程序包。随着算法技术的更迭，现在大多数媒体平台都可以为用户“算法推荐”内容，但这种所谓的“个性化”只建立在信息推送阶段，机器在已有的信息库中挑选适合用户的内容，并未完全达到“我的日报”这一个性化场景。而ChatGPT正是充当了集合不同平台内容的“界面代理人”角色[6]，可以通过与用户对话，生成满足用户需求的内容，这一生产模式让“按需生产”成为可能。

未来，当媒体用生成式AI制作新闻产品时，这种“按需生产”的精准画像模式，会让新闻产品的影响力再上一个台阶。对用户来说，新闻不再是传统媒体时代“让我看的”，而是“我想要的”[7]，随着个性化定制能力的加强，用户对媒体的信任与黏性也会提升。因此，新闻业“凝聚社会共识”的公信力也会继续增强。

总体而言，生成式AI的出现重塑了内容生产逻辑。就生产效率而言，“人机协同”的工作模式提高了信息采集、制作的效率；就生产逻辑而言，让个性化定制的“按需生产”成为可能。

2. 能力再造：AIGC对用户行为的影响

2.1 权力重组：从“知识沟”到“能力沟”

巴隆在《接近媒介——一项新的第一修正案权利》中提到“媒介接近权”，表示传播媒介不应垄断在少数人手里，社会每个成员都有利用媒介发表意见、开展各种活动的权利。从这个角度来看，生成式人工智能再次提升了用户的媒介接近权。传统媒体时代，由于多数资源垄断在少数人手里，用户的媒介接近权较微弱，导致其接收的信息内容比较匮乏，不同阶层间的“知识沟”也随之扩大。进入互联网时代，媒介使用成本降低，打破了由于资源垄断带来的“知识沟”，但即使将媒介使用权归还受众，使用媒介的个体能力差异又带来了“能力沟”，媒介素养较低的用户依然存在使用媒介的壁垒。

而生成式AI打破了这一壁垒，它革新了内容生产主体，使主体从用户生产内容（User Generated Content，UGC）、专业生产内容（Professional Generated Content，PGC）、机器生产内容（Machine Generated Content，MGC），迈向了人工智能生产内容（AI-Generated Content，AIGC），大众使用媒介的能力门槛也得以降低。用户在使用ChatGPT时，可以依据个人需求调教AI，通过低成本的“对话模式”获取海量信息与产品。在一定程度上，可以缓解Web2.0时代遗留的“能力沟”问题。

值得注意的是，这种“能力沟”的弥合与“人类对生成式AI技术的提问能力”息息相关，因为人有机器不可代替的能力——提问能力与想象力。一方面，面对专业性任务时，提问者提问的方向越仔细，得到的结果便更准确；另一方面，在某些艺术领域，若用户的提问极具想象力，ChatGPT便更有可能生成“天马行空”的内容。想要ChatGPT呈现多完美的结果，取决于提问者的问题是否极具想象力，毕竟机器只有在与人类不断地对话、调教中才能呈现出最优结果。就这个角度而言，人类“自身想象力的开发”也十分重要[8]。因此，用户本身的提问能力也成为高效利用ChatGPT的关键因素。

2.2 信息获取：重塑求知模式

有学者指出，ChatGPT作为一种“新知识媒介”，正在经历从“本质性资料库”到“或然率资料库”的知识图谱演变[9]。传统媒体时代，不论是新闻分发领域，还是实体的博物馆等空间媒介，它们传递的信息都是被“确切验证”过的，这些知识是历代专家整合、排序、审核过的“本质性资料库”。受众在消费内容时，得到的均为明确的“符号”（文字或产品）与“意义”（背后蕴含的价值理念）。从知识生产的主体来看，“本质性资料库”的知识生产者为人类，即使这类知识在传播过程中遭受“破坏”，依旧可以从既往的经典文献中梳理出真实脉络，这些知识具有稳定性。而ChatGPT的生产主体以“非人类”为主，它的知识要素来源于自身的大型资源库，“与人类对话”是它生成内容的关键一环，其构造了一个“人类与非人类齐头并进的知识生产新格局”[10]。因此，用户不同的提问方式会影响ChatGPT的知识生成，这就导致其生成的文本始终处于流变之中。不仅如此，这种知识的流变性也和ChatGPT的内容生成逻辑有关，它不是简单地从既有语料库中“选择答案”，而是“根据提问模型生成概率答案”，这就决定了其提供信息的“不确定性”。

因此，AIGC时代下的知识更具备“或然率资料库”的特征——不确定性，信息随时有被更新、删除的可能。就这一角度而言，用户使用ChatGPT的求知图谱发生了变化：从“在传统媒体中获得‘确切性’知识”，转为“在不同提问方式中获取‘非确定性’知识”。

论述至此可以发现，ChatGPT对用户最大的影响，是为其带来“提问的魅力”。当人人都能使用生成式AI时，较低的信息检索门槛似乎弥合了用户的知识沟，但也从侧面鞭策着使用者——时刻保持思考能力。因为不同的提问方式、提问措辞，或许会为用户带来全新的内容。

3. 应对之道：基于AIGC的发展建议

虽然生成式AI革新了传播领域，为人类文明进程增添了有力一笔，但技术始终如悬在人类头上的达摩克利斯之剑，依然需要用“社会意识”规制它。未来，新闻业在使用ChatGPT时，要时刻秉持“求真”的新闻专业主义精神，保证信息的真实性、准确性，以此营造一个清朗的社会舆论场。

3.1 加强事实核查，维护新闻真实

美国新闻可信度评估机构News Guard曾做过这样一个测试：用100条已经证伪的虚假信息调教ChatGPT，机器在辨认出部分虚假信息的前提下，依然基于虚假信息，生成更详细的报道。由此可见，ChatGPT生成的内容未必都是真实准确的，媒体行业应加大事实核查的能力，防止间接传播虚假信息，降低自身公信力。在传统媒体时代，事实核查常采用“求证实报道”的模式，记者前往事件发生地实地考察，对内容调查求证。然而，这种求证模式的人力成本、时间成本已不适用于当下时代，媒体从业者可利用AIGC的强大算力对内容进行甄别，如利用百度的“文心一言”，其万亿级的数据库信息与千亿级的事实知识图谱，都能对内容的真实性进行初步筛查。

除了利用技术加大核查外，媒体也可以利用公开资源进行“众筹验证”，如用“开放验证”的方式，通过社会化生产证据，线上收集不同地点、不同角度的用户拍摄的内容，以此让一个事件的信源更加多元。公民记者网站“贝灵猫”便是通过收集多方公开资源，证明2020年乌克兰PS752航班的失事并非“引擎故障”，而是“人为击落”[11]。因此，当不同拍摄者提供各自的独立视角，共同作用于某一事件中，媒体可尝试将这些全方位的公开视频彼此连通，若某视频明显无法融入整体环境，便可作为“判定内容为深度伪造”的依据。

生成式人工智能营造了信息的逼真性，也倒逼新闻业加强了事实核查能力。面对可能出现的新闻真实问题，媒体行业应不断创新事实核查方式，技术加持、群策群力，减少信息失真的可能。

3.2 运用区块链技术，保护信息安全

区块链是数字空间中不可篡改的“分布式账本”，它由一个个区块组成，每个区块都有固定“哈希值”[12]，输入数据后，区块便不可修改。此外，它还具有“可追溯性”的特点，受众查询信息时，可以同时了解到发布者信息，以及每一个传播链条。媒体行业可充分利用它“公开透明”的特性，用“区块链+新闻”的模式，追溯信源，以确保信息的可信度。如《纽约时报》于2019年推出的“新闻出处溯源”开源区块链新闻项目[13]，可以对网络中的视频传播路径进行追踪，通过分析视频元数据，判定其是否存在伪造，以此保证新闻真实。

未来，面对大量AIGC生成的内容，媒体依然可以借助区块链技术，追溯存疑信息的传播链路，以此明确信息在哪个传播节点被破坏。这种信息的溯源与核查，可以更大程度上确保网络信息场域的澄澈。

4. 结束语

本文以AIGC为研究背景，探究聊天机器人ChatGPT在传播领域的变革。研究发现，在内容生产方面，机器成为记者的延伸，人机协作成为常态，生产逻辑也走向了按需生产；在用户行为方面，ChatGPT对用户的提问能力有了新要求，用户获取信息的认知模式也发生变化，获取的知识库从“本质性资料库”走向“或然率资料库”。同时，媒体人也要利用生成式AI的庞大数据库，加强事实核查能力。未来，AIGC在传播场域的变革会继续更迭，正如保罗·莱文森在“技术的人性化趋势”中所言，媒介进化的最终目的是满足人的需求，而新媒介也会不断弥补旧媒介的缺陷，推动人类文明进程。

参考文献：

[1]喻国明，苏健威.生成式人工智能浪潮下的传播革命与媒介生态——从ChatGPT到全面智能化时代的未来[J].新疆师范大学学报（哲学社会科学版），2023，44（05）：81-90.

[2]朱光辉，王喜文.ChatGPT的运行模式、关键技术及未来图景[J].新疆师范大学学报（哲学社会科学版），2023，44（04）：113-122.

[3]方师师，邓章瑜.对外传播的\"ChatGPT时刻\"——以《中国日报》双重内嵌式人工智能新闻生产为例[J].对外传播，2023（05）：72-75.

[4]戴宇辰.\"旧相识\"和\"新重逢\"：行动者网络理论与媒介（化）研究的未来——一个理论史视角[J].国际新闻界，2019，41（04）：68-88.

[5]马荻文.按需出版研究现状及发展方向探析[J].今传媒，2015，23（04）：62-63.

[6]彭兰.生成式人工智能技术驱动传媒业再变革[J].南方传媒研究，2024（03）：5-13.

[7]曾晓.ChatGPT新思考：AIGC模式下新闻内容生产的机遇、挑战及规制策略[J].出版广角，2023（07）：57-61.

[8]彭兰.从ChatGPT透视智能传播与人机关系的全景及前景[J].新闻大学，2023（04）：1-16，119.

[9]周葆华.或然率资料库：作为知识新媒介的生成智能ChatGPT[J].现代出版，2023（02）：21-32.

[10]姜华.从辛弃疾到GPT：人工智能对人类知识生产格局的重塑及其效应[J].南京社会科学，2023（04）：135-145.

[11]徐笛，梁鹤.循迹网络：深度造假与新闻真实体制[J].全球传媒学刊，2023，10（03）：153-169.

[12]何巧雨.区块链技术在传媒行业的创新应用[J].西部广播电视，2022，43（23）：10-12.

[13]喻国明，高娅婕，章雪晴.\"后真相\"的形成机制与消解之道：AIGC时代新闻真实的重建——基于信息生态理论的探讨[J].学术探索，2024（05）：37-45.

作者简介：王心彤（1996—），女，山西原平人，硕士，助教，研究方向：媒介文化、国际传播。